有哪些高质量 sft 多轮对话数据集（校园规则有哪些?）

高质量的SFT（Supervised Fine-Tuning）多轮对话数据集在训练对话系统时至关重要。以下是一些公认的高质量多轮对话数据集：

ConvAI2数据集是基于Persona-Chat数据集构建的，用于ConvAI2挑战赛。它包含了多轮对话，且每个对话都有明确的角色和背景信息，有助于训练更具个性化的对话系统。

链接: ConvAI2 Dataset

DSTC（Dialogue State Tracking Challenge）系列数据集是多轮对话系统研究中的经典数据集，涵盖了多种任务和领域，如任务导向对话、对话状态跟踪等。

DSTC2: 专注于餐馆预订任务。DSTC3: 扩展了DSTC2，增加了更多的任务和对话状态。 DSTC6: 涉及对话行为理解和对话状态跟踪。链接: DSTC Challenge

MultiWOZ（Multi-Domain Wizard of Oz）是一个大规模、多领域任务导向对话数据集，涵盖了多个对话场景，如餐馆预订、酒店预订、出租车预订等。数据集中的对话是由实际用户和客服人员通过Wizard-of-Oz方法生成的，质量较高。

链接: MultiWOZ Dataset

Ubuntu Dialogue Corpus是一个大规模、多轮对话数据集，基于Ubuntu的IRC日志。数据集包含技术支持对话，适用于训练技术支持和问答系统。

链接: Ubuntu Dialogue Corpus

CoQA（Conversational Question Answering）数据集用于对话式问答系统的训练。数据集中每个对话包含一个给定的文本和相关的问题-回答对。

链接: CoQA Dataset

Topical-Chat数据集是微软创建的，用于开发和评估开放领域对话系统。数据集包括不同主题的多轮对话，涉及科技、娱乐、体育等多个领域。

链接: Topical-Chat Dataset

Persona-Chat数据集包含多轮对话，每个对话参与者都有预定义的个人信息或“persona”，旨在开发更具个性化和情感的对话系统。

链接: Persona-Chat Dataset

这些数据集覆盖了多种对话场景和任务类型，是开发高质量对话系统的重要资源。在使用这些数据集进行训练时，可以结合具体的应用场景和需求，选择合适的数据集进行SFT。